Глава 3. Закон Мура и вторая половина шахматной доски
Наибольшим недостатком человечества является его неспособность понять экспоненциальную функцию.
Хотя Гордон Мур и является одним из основателей компании Intel, знаменитым филантропом и кавалером Президентской медали Свободы, более всего он известен благодаря своему предсказанию, которое появилось (почти мимоходом) в его статье, написанной в 1965 году. Мур, работавший в то время в компании Fairchild Semiconductor, написал для журнала Electronics статью с восхитительно ясным названием «Как разместить больше компонентов на интегральной схеме». В то время схемам такого типа – совмещавшим в себе множество различных видов электрических компонентов на одном чипе, обычно сделанном из кремния, – было меньше 10 лет, однако Мур видел их потенциал. Он писал, что «интегральные схемы приведут к появлению таких чудесных вещей, как домашние компьютеры – или как минимум терминалы, подключенные к некоему центральному компьютеру, – автоматические контрольные устройства для автомобилей и личное портативное коммуникационное оборудование».[63]
Однако самый знаменитый прогноз в статье, именно тот, который прославил Мура, касался компонентов, указанных в заголовке:
Сложность компонентов в расчете на единицу производственных затрат удваивается примерно раз в год… очевидно, что в краткосрочной перспективе можно ожидать, что этот темп будет оставаться таким же, если не будет нарастать. В долгосрочной перспективе скорость усложнения менее понятна, но у нас нет оснований не верить, что она не останется прежней хотя бы на протяжении 10 лет.[64]
Примерно так выглядит закон Мура в своей изначальной формулировке, а сейчас нам стоит потратить некоторое время на то, чтобы поразмышлять о его последствиях. «Сложность компонентов в расчете на единицу затрат» означает, в сущности, величину вычислительной мощности интегральных схем, которую можно купить за один доллар. Мур заметил, что в течение довольно короткой истории отрасли этот показатель удваивался каждый год: в 1963 году вы могли купить в расчете на доллар в два раза больше вычислительной мощности, чем в 1962-м, затем еще в два раза больше в 1964-м и еще в два раза больше в 1965-м.
Мур предсказал, что такое положение вещей будет сохраняться (возможно, с определенными поправками) в течение еще как минимум десяти лет. Это смелое заявление означало, что в 1975 году схемы станут в 500 раз более мощными по сравнению со схемами 1965 года.[65]
Оказалось, что главной ошибкой Мура был его чрезмерный консерватизм. Его «закон» отлично продержался на протяжении не одного десятилетия, а четырех, и оказался истинным для многих других областей цифрового прогресса, а не только для интегральных схем. Стоит отметить, что время, требующееся для цифрового удвоения, остается предметом обсуждений. В 1975 году Мур пересмотрел свои оценки от одного года до двух, а сегодня принято использовать в качестве периода удвоения вычислительной мощности 18 месяцев. Тем не менее не приходится сомневаться в том, что закон Мура оказался достаточно точным предсказанием того, что происходило в течение почти полувека.[66]
Это не закон, а набор отличных идей
Закон Мура очень сильно отличается от законов физики, управляющих термодинамикой или, например, классической механикой Ньютона. Эти законы описывают, как работает Вселенная; они истинны вне зависимости от того, что именно мы делаем. Напротив, закон Мура представляет собой заявление о работе инженеров и ученых из компьютерной отрасли; это наблюдение о том, насколько последовательны и успешны их усилия. Мы просто не замечаем сколь-нибудь сопоставимого и последовательного успеха в других областях.
На протяжении 42 лет не было ни одного периода, когда автомобили за год становились в два раза быстрее, а их двигатели – в два раза экономнее. Самолеты не начинали летать на расстояния в два раза больше, а грузовые поезда не перевозили вдвое больше грузов от года к году. Олимпийские чемпионы по плаванию или бегу не улучшили свои результаты в два раза даже за целое поколение, не говоря уже о паре лет.
Так каким же образом компьютерной отрасли удалось достичь столь поразительного темпа улучшений?
Есть две основные причины. Прежде всего, хотя транзисторы и другие элементы компьютерной техники не могут выйти за пределы законов физики, так же как машины, самолеты и пловцы, ограничения в цифровом мире значительно менее жесткие. Все зависит от того, какое количество электронов в секунду может пройти через канал в интегральной схеме, или от того, насколько быстро лучи света могут проходить через оптоволоконный кабель. В какой-то момент цифровой прогресс столкнется со своими ограничениями и закон Мура перестанет действовать в прежнем объеме, но это потребует определенного времени. Генри Самуэли, директор по технологиям компании-производителя компьютерных чипов Broadcom Corporation, предсказал в 2013 году, что «действие закона Мура подходит к концу – в следующем десятилетии он точно перестанет работать, так что у нас есть примерно 15 лет».[67]
Однако сроки окончания действия закона Мура предсказывало немало умных людей, и пока что все они ошибались.[68] Это связано не с тем, что они не понимали физику процесса, – скорее они недооценивали людей, работавших в компьютерной отрасли. Вторая причина связана с тем, что закон Мура действует так долго из-за «блистательных обходных маневров» – инженерных решений, позволявших обходить физические препоны. К примеру, когда инженерам перестало хватать расстояния для размещения интегральных схем рядом друг с другом, производители чипов начали крепить их слоями один над другим, значительно увеличив таким образом объем доступного пространства. Когда объемы коммуникационного потока угрожали превысить возможности оптоволоконной связи, инженеры придумали технику мультиплексирования разделением по длине волны (WDM), при которой множество лучей света с разной длиной волны одновременно проходит по одному и тому же оптоволоконному кабелю. Раз за разом «блистательные обходные пути» позволяли забывать об ограничениях, которые накладывает физика. По словам одного из руководителей компании Intel Майка Марберри,
если вы используете одну и ту же технологию, то, в принципе, рано или поздно столкнетесь с ограничениями. Но дело в том, что мы изменяем технологию каждые 5–7 лет в течение четырех десятилетий, и пока нет оснований считать, что мы не сможем делать то же самое в будущем.[69]
Именно эта постоянная модификация технологии и превратила закон Мура в основной феномен компьютерной эры. Его можно представить себе как ритмичный барабанный бой на заднем плане экономики.
Составление графика влияния постоянного удвоения
Поскольку это удвоение происходит уже в течение некоторого времени, свежие данные начинают играть более важную роль, чем старые, которые, как могло показаться, выходят из употребления. Давайте для иллюстрации рассмотрим гипотетический пример. Представьте себе, что Эрик, один из авторов книги, отдает Энди триббла, пушистое создание с высокой скоростью размножения, ставшее знаменитым благодаря эпизоду сериала «Звездный путь». Каждый день каждый триббл рождает еще одного, соответственно, зверинец Энди удваивается ежедневно. Типичный гик сказал бы в такой ситуации, что семейство трибблов растет по экспоненте, поскольку с математической точки зрения количество трибблов в каждый отдельно взятый день x описывается формулой 2x-1, где x-1 как раз и называется экспонентой. Экспоненциальный рост такого рода – это быстрый рост; после двух недель у Энди уже имеется свыше 16 000 этих созданий. Вот график роста семейства трибблов со временем:
Рис. 3.1. Трибблы по прошествии времени: сила постоянного удвоения
Это график точен по форме, однако способен ввести нас в довольно серьезное заблуждение. Нам может показаться, что все самое важное случится в последнюю пару дней, а в первую неделю не происходит почти ничего особенного. Однако это явление – ежедневное удвоение количества трибблов – происходило все время, без перерывов или ускорения. И самое интересное в «подарке», который Эрик сделал Энди, как раз и заключается в этом постоянном экспоненциальном росте. Чтобы сделать его более очевидным, мы должны изменить интервал между числами на графике.
Созданный нами график имеет стандартное линейное масштабирование; каждый сегмент вертикальной оси обозначает дополнительные 2000 трибблов. Такая разметка отлично служит множеству целей, однако, как мы видели, не позволяет адекватно передавать динамику экспоненциального роста. Чтобы сильнее выделить ее, давайте изменим шкалу на логарифмическую, в которой каждый отрезок вертикальной оси соответствует 10-кратному увеличению количества трибблов: сначала с 1 до 10, потом с 10 до 100, потом со 100 до 1000 и так далее. Иными словами, мы масштабируем ось по степеням числа 10, или порядкам.
Логарифмические графики обладают прекрасным свойством: они изображают экспоненциальный рост в виде идеально прямой линии. Вот как выглядит рост семейства трибблов Энди при применении логарифмической шкалы:
Рис. 3.2. Трибблы по прошествии времени: сила постоянного удвоения
Такое графическое представление подчеркивает стабильность удвоения со временем намного лучше, чем большие цифры в конце. Именно по этой причине мы часто используем логарифмические шкалы для графиков удвоения и отображения других примеров экспоненциального роста. Они выглядят как прямые линии, и для них намного проще рассчитать скорость развития; чем больше экспонента, тем быстрее они растут и тем более крутым становится наклон линии.
Обедневшие императоры, обезглавленные изобретатели и вторая половина шахматной доски
Наш мозг не так уж хорошо оснащен для того, чтобы понимать суть устойчивого экспоненциального роста. В частности, мы серьезно недооцениваем, насколько сильно могут вырасти цифры. Изобретатель и футуролог Рэй Курцвейл пересказывает в этой связи одну старую историю. Игра в шахматы зародилась на территории современной Индии в VI веке н. э., во времена империи Гупта.[70] Говорят, что она была изобретена одним очень умным человеком, который отправился в столицу империи, город Паталипутру, и показал свое творение императору. Властителю так понравилась сложная и красивая игра, что он тут же попросил изобретателя сказать, какую награду тот хочет за нее получить.
Изобретатель поблагодарил императора за щедрость и сказал: «Все, что мне нужно, – это немного риса, чтобы прокормить семью». Поскольку щедрость императора была напрямую связана с изобретением шахмат, то изобретатель предложил воспользоваться шахматной доской для определения причитающегося ему объема риса. «Положите одно зерно риса на первую клетку доски, два – на вторую, четыре – на третью и так далее, – предложил изобретатель, – так, чтобы на каждой следующей клетке было в два раза больше зерен, чем на предыдущей».
«Да будет так», – ответил император, пораженный такой скромностью изобретателя.
Закон Мура и упражнение с трибблами помогают нам увидеть то, чего не увидел император, – 63 последовательных удваивания приводят к появлению невероятно большого числа, даже если последовательность начинается с единицы. Если бы просьба изобретателя была удовлетворена, то он получил бы 264–1, или свыше восемнадцати квинтильонов зерен риса. Куча риса такого размера могла бы похоронить под собой гору Эверест; это количество риса больше, чем было выращено за всю историю нашего мира. Конечно же, император не мог исполнить эту просьбу. В некоторых версиях легенды, как только император понимает, что его надули, он тут же приказывает обезглавить изобретателя.
Курцвейл пересказывает историю изобретателя и императора в своей книге 2000 года The Age of Spiritual Machines: When Computers Exceed Human Intelligence («Эпоха духовных машин: когда компьютеры превосходят человеческий разум»). С помощью этого примера он стремится не только проиллюстрировать силу устойчивого экспоненциального роста, но и указать на точку, в которой цифры становятся настолько большими, что их уже невозможно себе представить:
После 32 клеток император был должен отдать изобретателю около 4 миллиардов зерен риса. Это довольно значительное количество – такой объем выращивается на довольно крупном поле, – и император почуял неладное. Однако император все еще мог оставаться императором. А изобретатель еще мог сохранить свою голову. Проблемы как минимум у одного из них начались, как только они перешли на вторую половину шахматной доски.[71]
Главная мысль Курцвейла состоит в том, что, хотя числа и становятся достаточно большими уже на первой половине шахматной доски, мы все равно способны осознать их реальность. Четыре миллиарда не слишком выходят за пределы нашей интуиции. Мы имеем дело с этим числом, убирая урожай, оценивая состояния богатейших людей мира или уровень национального долга. Однако на второй половине шахматной доски – там, где числа превращаются в триллионы, квадрильоны и квинтильоны, – мы перестаем улавливать их смысл. Мы теряем ощущение того, как быстро растут эти цифры по мере развития экспоненциального роста.
Отмеченное Курцвейлом различие между первой и второй половинами шахматной доски навело нас на мысль сделать один быстрый расчет. Бюро экономического анализа (BEA) отслеживает, помимо прочего, расходы американских компаний. Впервые BEA отметила «информационные технологии» в качестве отдельной категории корпоративных инвестиций в 1958 году. Мы взяли этот год в качестве отправной точки – в это же время деловой мир познакомился с законом Мура – и использовали в качестве периода удвоения 18 месяцев. После 32 удвоений американские компании перешли на «вторую половину шахматной доски» с точки зрения использования цифровых устройств. Это произошло в 2006 году.
Разумеется, эти расчеты – всего лишь забавное упражнение, а вовсе не серьезная попытка выявить точку, в которой изменилась реальность применения цифровых технологий в корпоративном мире. Можно поспорить и с выбором 1958 года как начальной точки, и с тем, что периодом удвоения выбраны 18 месяцев. Изменения в любом из этих предположений приведут к появлению другой точки перелома при переходе с первой на вторую половину шахматной доски. Кроме того, инновации в области бизнес-технологий происходили не только на второй половине доски; как мы обсудим позже, прорывы сегодняшнего и завтрашнего дня всецело основаны на достижениях прошлого и были бы просто невозможны без них.
Но мы все же предлагаем вам эти расчеты, поскольку они иллюстрируют важную идею о том, что экспоненциальный рост со временем приводит к появлению невероятно больших чисел, совладать с которыми не способны ни наша интуиция, ни опыт. Иными словами, на второй половине шахматной доски начинают происходить загадочные вещи. И большинству из нас, словно императору из легенды, сложно с ними справиться.
Одна из особенностей, отличающих вторую эру машин, – это скорость, с которой мы оказываемся на второй половине шахматной доски. Мы не хотим сказать, что в прежние времена никакие другие технологии не развивались по экспоненте. К примеру, после однократного резкого усовершенствования парового двигателя в результате инновации Уатта дополнительные мелкие изобретения привели к экспоненциальному улучшению в следующие 200 лет. Однако величина экспоненты была сравнительно небольшой, поэтому за весь период произошло лишь 3–4 удвоения эффективности.[72] С такими темпами нам потребовалось бы целое тысячелетие для того, чтобы добраться до второй половины шахматной доски. В условиях второй эры машин удвоение происходит значительно быстрее, а экспоненциальный рост оказывается более заметным.
Технологии второй половины доски
Наш быстрый расчет удвоений помогает понять, почему прогресс в области цифровых технологий все ускоряется и почему так много идей из области научной фантастики становятся реальностью бизнеса. Дело в том, что устойчивый и быстрый экспоненциальный рост закона Мура дошел до точки, с которой вычисления переходят в другой режим: мы теперь на второй половине шахматной доски. Инновации, описанные нами в предыдущей главе, – машины, способные самостоятельно передвигаться в дорожном потоке, суперкомпьютеры – чемпионы Jeopardy!, автоматически формируемые новости, дешевые и удобные фабричные роботы, а также недорогие потребительские устройства, представляющие собой одновременно коммуникаторы, «трикордеры» и компьютеры, – возникли после 2006 года, так же как и бесчисленное количество других диковин, совершенно непохожих на устройства прежних эпох.
Рис. 3.3. Множество измерений закона Мура
Одна из причин появления этих гаджетов состоит в том, что цифровой «движок», на котором они построены, наконец-то стал достаточно быстрым и при этом достаточно дешевым. Десять лет назад все было совсем иначе. Как выглядит цифровой прогресс на логарифмической шкале? Давайте посмотрим.
График на стр. 74 показывает, что закон Мура реализуется последовательно и широко; он действует в течение долгого времени (в некоторых случаях – десятилетия) и вполне применим к разным типам цифрового прогресса. Глядя на него, помните, что при использовании стандартной линейной шкалы на вертикальной оси все эти почти прямые линии напоминали бы первый график семейства трибблов Энди – они почти все время шли бы горизонтально, а затем, ближе к концу, взмывали бы вверх. И, конечно же, у вас не было бы никакой возможности изобразить их все вместе – все случаи описываются слишком разными по масштабу цифрами. Логарифмическая шкала принимает все это во внимание и позволяет нам получить более четкую общую картину изменений, связанных с цифровыми устройствами.
Вполне ясно, что многие существенно важные строительные блоки процесса вычислений: плотность микрочипов, скорость обработки, емкость запоминающего устройства, энергоэффективность, скорость загрузки и так далее – улучшались по экспоненте в течение долгого времени. Чтобы понять важность закона Мура для реального мира, давайте сравним возможности компьютеров, разделенных лишь несколькими периодами удвоений. Машина ASCI Red (1996), первый плод Ускоренной стратегической компьютерной инициативы (Accelerated Strategic Computing Initiative) правительства США, была на момент своего появления самым быстрым из когда-либо существовавших суперкомпьютеров. Для его создания потребовалось 55 миллионов долларов, а сотня его серверных шкафов занимала площадь почти в 150 квадратных метров в Национальной лаборатории Сандиа в штате Нью-Мексико.[73] Этот компьютер, предназначенный для расчета ресурсоемких задач типа имитации ядерных испытаний, был первым устройством, которое показало скорость выше одного терафлопа – то есть триллиона операций с плавающей запятой[74] в секунду – в ходе стандартных тестов. Чтобы достичь такой скорости, компьютеру требовалось более 800 киловатт в час, что сопоставимо с мощностью, потребляемой 800 домами. К 1997 году скорость ASCI Red достигла 1,8 терафлопа.
Через девять лет этой же скорости достиг другой компьютер. Однако он был сконструирован не для имитации ядерных испытаний, а для создания сложной реалистичной трехмерной графики в режиме реального времени. И сделан он был не для физиков, а для игроков в видеоигры. Этим компьютером был Sony PlayStation 3, который был вполне сопоставим с ASCI Red с точки зрения результативности, однако стоил около 500 долларов, занимал площадь менее одной десятой квадратного метра и потреблял 200 ватт.[75] Иными словами, за неполных 10 лет экспоненциальный цифровой прогресс дал нам возможность использовать мощные устройства, работавшие невероятно быстро, не только в единственной правительственной лаборатории, но и в гостиных и студенческих общежитиях по всему миру. Всего в мире было продано около 64 миллионов устройств PlayStation 3. А ASCI Red был демонтирован в 2006 году.
Экспоненциальный прогресс многое значил для достижений, которые мы обсуждали в предыдущей главе. Компьютер Watson производства IBM запускает массу умных алгоритмов, однако он не смог бы быть конкурентоспособным без компьютерного «железа», в сто раз более мощного, чем у его предшественника, шахматного компьютера Deep Blue, победившего в 1997 году чемпиона мира Гарри Каспарова. Приложения для распознавания речи типа Siri требуют немалых вычислительных мощностей, которые стали доступными лишь на мобильных телефонах типа iPhone 4S производства Apple (первый телефон с установленной в нем программой Siri). Фактически по своей мощности iPhone 4S был вполне сопоставим со знаменитым ноутбуком Powerbook G4, выпущенным той же компанией всего десятью годами ранее. Как показывают все эти инновации, экспоненциальный прогресс позволяет технологиям стремиться вперед и превращать научную фантастику в реальность на второй половине шахматной доски.
Дело не ограничивается компьютерами, или Насколько широки пределы закона Мура
Еще одно сравнение между поколениями компьютеров позволяет выявить не только силу закона Мура, но и его масштабность. Как и в случае с ASCI Red и PlayStation 3, суперкомпьютер Cray-2 (появившийся в 1985 году) и планшет iPad 2 (появившийся в 2011-м) имели почти одинаковые характеристики. Однако в iPad также имелись динамик, микрофон и гнездо для наушников. У него было две камеры; первая, на лицевой стороне устройства, имела уровень качества Video Graphics Array (VGA), а камера на задней стороне могла снимать видео в высоком разрешении. Обе камеры могли делать обычные фотографии, а задняя камера имела к тому же пятикратный цифровой зум. Планшет способен подключаться и к мобильным телефонным, и к Wi-Fi-сетям, у него есть приемник GPS-сигнала, цифровой компас, акселерометр, гироскоп и сенсор, оценивающий степень освещенности. Вместо клавиатуры у планшета – тачскрин с высоким разрешением, который может одновременно обрабатывать до 11 прикосновений.[76] И все эти опции содержит устройство, более тонкое и легкое, чем обычный глянцевый журнал, и стоящее при этом меньше тысячи долларов. По сравнению с этим гаджетом Cray-2, стоивший более 35 миллионов долларов (в ценах 2011 года), был совершенно глухим, немым и совсем немобильным.[77]
Впихнуть весь этот функционал в iPad 2 удалось благодаря значительным переменам, произошедшим в последние десятилетия: из аналогового мира в цифровой перекочевали такие сенсорные устройства, как микрофоны, камеры и акселерометры. По сути, они стали компьютерными чипами. И, соответственно, их развитие подчинилось закону Мура.
Цифровые устройства для записи звука использовались уже в 1960-е годы, а в 1975-м один инженер из компании Eastman Kodak сконструировал первую современную цифровую камеру.[78] Первые устройства такого рода были дорогими и неуклюжими, однако их качество быстро улучшалось, а цены падали. Первая цифровая однообъективная зеркальная фотокамера компании Kodak, DCS 100 на момент выхода на рынок в 1991 году стоила около 13 000 долларов; она обладала максимальным разрешением в 1,3 мегапикселя и хранила изображения на отдельном диске весом около 4,5 кг, который пользователю приходилось носить в сумке на плече. Однако количество пикселей в расчете на доллар стоимости цифровой камеры удваивалось почти каждый год (это явление известно под названием «закона Хэнди» – в честь работника австралийского офиса Kodak Барри Хэнди), а сами камеры и аксессуары становились со временем, в согласии с экспоненциальным законом, меньше, легче, дешевле и лучше.[79] Цифровые сенсоры улучшились настолько, что Apple через 20 лет после появления DCS 100 добавила в iPad 2 две крошечные камеры, способные снимать фото и видео. А когда компания на следующий же год представила новую модель iPad, разрешение задней камеры улучшилось более чем в 7 раз.
Глаза машины
Закон Мура работает для развития процессоров, памяти, сенсоров и многих других элементов компьютерного оборудования (заметным исключением являются батареи, рабочие показатели которых не улучшились по экспоненте, поскольку, в сущности, они представляют собой химические устройства, а не цифровые). Однако согласно этому закону вычислительные устройства становятся не только быстрее, дешевле, меньше по размеру и легче. Они также начинают делать прежде недоступные вещи.
Исследователи искусственного интеллекта уже давно увлекались (чтобы не сказать – были одержимы) проблемой одновременной локализации и картографирования (simul-taneous localization and mapping, SLAM). Это процесс создания ментальной карты незнакомого здания непосредственно в момент, когда вы перемещаетесь по нему – где находятся двери? а лестницы? обо что тут можно споткнуться? – и отслеживания, в каком месте здания вы находитесь (что позволяет найти путь к выходу). У подавляющего большинства людей процессы SLAM происходят при минимальном участии сознания. Однако научить этому машину было значительно сложнее.
Исследователи много думали о том, какими сенсорами снабдить робота (камерами? лазерами? сонарами?) и каким образом интерпретировать массу данных, которые он передает, однако прогресс в этой работе был достаточно медленным. В одном из обзоров работы в этом направлении, сделанном в 2008 году, утверждалось, что SLAM «представляет собой одну из фундаментальных проблем робототехники… [однако] нам представляется, что почти все нынешние подходы неспособны привести к созданию достаточно точных карт для обширных территорий, в основном из-за увеличения стоимости вычислений и роста уровня погрешности, что в случае расширения сценария делает работу невозможной».[80] Если говорить коротко, то основные проблемы, мешавшие развитию машинного SLAM, заключались в том, что было невозможно быстро собрать данные о достаточно большой территории и немедленно обработать их. Точнее, было невозможно – до тех пор, пока всего через два года после публикации этого обзора на рынке не появился новый гаджет для видеоигр стоимостью 150 долларов.
В ноябре 2010 года Microsoft впервые предложила в качестве дополнения к игровой платформе Xbox сенсорное устройство Kinect, которое могло отслеживать движения двух активных игроков, сканируя при этом движения примерно 20 суставов. Если один игрок становился перед другим, устройство самостоятельно оценивало скрытые от него движения второго игрока и сразу же находило все его суставы, как только он вновь оказывался на виду. Kinect мог также распознавать лица, голоса и жесты в самых разных условиях освещенности и при разном уровне шума. Достигалось это с помощью цифровых сенсоров, внешнего микрофона (способного находить источник звука лучше, чем встроенный микрофон), стандартной видеокамеры и системы глубинного восприятия, умевшей одновременно и излучать, и принимать сигнал в инфракрасном спектре. Несколько встроенных процессоров и огромное количество проприетарных программ позволяли конвертировать данные, поступавшие с этих сенсоров, в информацию, которую могли бы использовать разработчики игр.[81] На момент выхода продукта на рынок все эти возможности были упакованы в устройство высотой 10 см и шириной менее 30 см, которое продавалось в рознице за 149,99 доллара.
В течение 60 дней после выпуска продукта было продано более 8 миллионов устройств Kinect (намного больше, чем айфонов или айпадов). В настоящее время Kinect удерживает рекорд «Книги Гиннеса» как самое быстро продаваемое компьютерное устройство на потребительском рынке.[82] Поначалу семейство Kinect позволяло играть в дартс, заниматься физическими упражнениями, гулять по виртуальным улицам и произносить заклинания на манер Гарри Поттера.[83] Однако система была способна на большее. В августе 2011 года на конференции SIGGRAPH (специальной группы по графическим и интерактивным методам Ассоциации вычислительных устройств) в Ванкувере команда сотрудников Microsoft и ученых использовала Kinect, чтобы наконец-то решить одну из самых сложных проблем в области роботехники.
SIGGRAPH – самый крупный и престижный конгресс в области теории и практики цифровой графики. Его посещают исследователи, разработчики игр, журналисты, предприниматели и другие профессионалы, интересующиеся этой темой. Словом, это самое подходящее место для того, чтобы компания Microsoft могла представить здесь то, что сайт Creators Project назвал «самовзломом, который может изменить буквально все»[84].[85] Речь идет о Kinect Fusion, проекте, в котором Kinect использовался для решения проблемы SLAM.
В видеофильме, показанном на SIGGRAPH-2011, демонстратор поднимал Kinect и водил им вдоль стен типичного кабинета – со стульями, растением в горшке, настольным компьютером и монитором.[86] В ходе этого процесса видео разделялось на несколько экранов, на которых было показано все, что способен почувствовать Kinect. Сразу же становится ясно, что если Kinect и не полностью решает проблему SLAM для комнаты, то достаточно близок к этому. В режиме реального времени Kinect создает трехмерную карту комнаты и всех объектов в ней, включая сотрудников. Он распознает слово DELL, выдавленное в пластике на задней панели компьютерного монитора, хотя эти буквы не раскрашены и имеют глубину всего 1 мм. Устройство знает, где именно в комнате оно находится, и даже способно рассчитать, как будут отскакивать виртуальные шарики для пинг-понга, если их бросить в комнату сверху. В статье технологического блога Engadget, написанной после проведения SIGGRAPH, говорилось: «Kinect сделал трехмерное восприятие достоянием мейнстрима и более того: из обычного потребительского продукта сотворили нечто такое, от чего просто крышу срывает».[87]
В июне 2011 года, незадолго до SIGGRAPH, Microsoft выпустила комплект разработки программного обеспечения для Kinect, дав разработчикам все необходимое, чтобы они могли писать программы под PC, с помощью которых можно было бы управлять устройством. После конференции возник огромный интерес к использованию Kinect для целей SLAM. Многие команды, занимавшиеся робототехникой и исследованиями искусственного интеллекта, загрузили себе SDK и принялись за работу.
Менее чем через год команда ирландских и американских исследователей во главе с нашим коллегой Джоном Леонардом из лаборатории компьютерных наук и искусственного интеллекта МТИ анонсировала Kintinuous – «пространственно расширенную» версию Kinect. С помощью Kintinuous пользователи могли использовать Kinect для маппинга крупных объектов, например домов и даже улиц и площадей (которые команда сканировала, высовывая Kinect из открытого окна машины во время ночных поездок по городу). В конце статьи, описывающей их работу, создатели Kintinuous обещали: «В будущем мы расширим систему, чтобы она могла в полной мере осуществлять SLAM-подход».[88] Мы думаем, что нам не придется долго ждать очередного известия об успехе от этой группы. В руках способных инженеров экспоненциальная сила закона Мура со временем позволяет решать самые сложные проблемы.
Некоторые из технологий, которых мы касались в предыдущей главе, используют недорогие и мощные цифровые сенсоры. Так, у робота Baxter есть несколько цифровых камер и датчиков силы и положения. Совсем недавно все эти устройства были чудовищно дорогими, неуклюжими и неточными. Беспилотный автомобиль Google тоже использует несколько сенсорных технологий, однако самый важный из его «глаз» – устройство под названием LIDAR (от слов light («свет») и radar), размещенное на крыше машины. Этот прибор, разработанный компанией Velodyne, содержит 64 отдельных лазерных луча и такое же количество детекторов, заключенных в корпус, совершающий 10 оборотов в секунду. Устройство ежесекундно генерирует около 1,3 миллиона единиц данных, а бортовые компьютеры превращают их в трехмерную картинку в режиме реального времени, покрывающую до 100 метров во всех направлениях. Ранние коммерческие системы LIDAR, появившиеся на рынке около 2000 года, стоили до 35 миллионов долларов, однако в середине 2013 года появилось устройство Velodyne для беспилотной автомобильной навигации стоимостью около 80 000 долларов, и ожидается, что цена будет снижаться и дальше. Дэвид Холл, основатель и исполнительный директор компании, полагает, что массовое производство позволит цене продукта «сократиться до цены видеокамеры – то есть нескольких сотен долларов».[89]
Все эти примеры иллюстрируют первое из трех звеньев нашего объяснения, почему мы находимся во второй эре машин: устойчивый экспоненциальный рост позволил нам оказаться на второй половине шахматной доски – в эпохе, когда происходившее в прошлом больше не может служить надежным предиктором того, что случится дальше. Накопленное удвоение, описанное законом Мура (и этот процесс пока продолжается), привело нас в мир, где мощностью очередного суперкомпьютера всего через несколько лет после его появления обладает игрушка, где постоянно дешевеющие сенсоры позволяют экономично решать еще вчера неразрешимые задачи и где научная фантастика продолжает претворяться в реальность.
Иногда разница в количестве (то есть большее количество того же самого) превращается в качественные различия (появляется нечто, чего не было раньше). История второй половины шахматной доски напоминает нам о том, что экспоненциальный прогресс может привести нас в удивительные места. А множество недавних примеров убеждает в том, что мы уже там.